java浮点数精度问题源于ieee 754二进制表示的固有局限，0.1等十进制小数在二进制中无限循环，float（23位尾数）和double（52位尾数）截断导致误差；其存储结构为符号位+指数位+尾数位，float有效精度约6–7位十进制，double约15–16位；图形处理可用float，科学计算和业务逻辑应默认用double，金融场景必须用bigdecimal(string)构造，浮点比较需用误差容忍法。
Java 浮点类型（float 和 double）的精度问题不是“bug”，而是 IEEE 754 二进制浮点表示法的固有特性。理解其底层存储结构，才能合理规避误差、选择合适方案。
浮点数为什么算不准？关键在二进制表示
十进制小数如 0.1、0.2 在二进制中是无限循环小数（0.0001100110011…），而 float 只有 23 位尾数、double 只有 52 位尾数，必须截断或舍入——这一步就引入了原始误差。
- 0.1 + 0.2 输出
0.30000000000000004，不是计算错，是两个近似值相加后误差叠加 - 1.0 - 0.9 输出
0.09999999999999998，同理，0.9 本身在 double 中也无法精确表达 - float 的有效精度仅约 6–7 位十进制数字；double 约 15–16 位——超出即丢失
float 与 double 底层怎么存？看清楚三段式结构
两者都严格遵循 IEEE 754 标准，用“符号位 + 指数位 + 尾数位”三部分编码：
- float（32位）：1 位符号 + 8 位指数（偏移量 127）+ 23 位尾数 → 实际精度 24 位二进制（≈7 位十进制）
- double（64位）：1 位符号 + 11 位指数（偏移量 1023）+ 52 位尾数 → 实际精度 53 位二进制（≈16 位十进制）
- 指数全 0 或全 1 时，用于表示 0、±∞、NaN 等特殊值，不参与常规数值计算
什么时候该用 float？什么时候必须用 double？
不要凭直觉选，要看场景对精度和内存的实际要求：
- 图形渲染、音视频处理等对吞吐量敏感、允许微小误差的场景，可用
float（节省内存、提升缓存效率） - 科学计算、金融中间计算、多数业务逻辑默认用
double（Java 数学库如Math方法也默认返回 double） - 绝对避免用
float表示金额、计数器、ID 或需要精确比较的值——哪怕它“看起来”能存下
真正可靠的精度控制方法
靠“四舍五入打印”掩盖问题没用，要从数据建模和计算方式入手：
-
金融/货币类场景：一律用
BigDecimal(String)构造（如new BigDecimal("19.99")），禁用new BigDecimal(19.99)（后者会先用 double 表示再转，误差已固化） -
浮点数相等判断：不用
==，改用误差容忍比较：Math.abs(a - b) -
整数替代法：把“元”换算成“分”，全程用
int或long运算，最后除以 100 显示 -
避免累积误差：连续累加 0.1 十次得 0.999999…？改用
BigDecimal或整数步进（如i * 0.1改为i / 10.0）
Java免费学习笔记：立即使用
解锁 Java 大师之旅：从入门到精通的终极指南
